Download dit hoofdstuk (PDF)
Toenemende behoefte aan heterogene en hybride computerplatforms

De eisen die moderne toepassingen stellen, vormen een fundamentele uitdaging voor klassieke computingparadigma’s. Grootschalige computingomgevingen ontwikkelen zich steeds meer tot modulaire systemen, waarin diverse gespecialiseerde technologieën, zoals hybride quantumsystemen, cloudplatforms, ASIC’s, GPU’s, edge- en IoT-apparaten en opslagvoorzieningen, worden samengebracht om de uitvoering van complexe digitale processen mogelijk te maken.

De vertraging van de wet van Moore, in combinatie met de toenemende eisen van AI-gedreven ontwerp, maakt gespecialiseerde oplossingen noodzakelijk om de prestaties en resultaten te verbeteren. Hoewel het landschap nog versnipperd is, worden tools die orkestratie over heterogene omgevingen mogelijk maken steeds breder toegepast en waardevoller binnen de mainstream wetenschappelijke computing. Wij voorzien dat de komende decennia veel innovatie zal plaatsvinden in de softwarelagen van de digitale-infrastructuurstack.

Impact

education

Onderwijs

  • Curricula zullen waarschijnlijk steeds vaker gespecialiseerde hardwareconcepten integreren naast conventionele architecturen. Studenten zullen daarom waarschijnlijk meer gaan werken met verschillende accelerators die zijn toegespitst op bepaalde taken in cloudlabomgevingen. Tijdens colleges, labs en projecten zullen studenten worden getraind in het inzetten en optimaliseren van workloads op gespecialiseerde accelerators. Deze verschuiving zal er waarschijnlijk toe leiden dat academische programma's zich verder zullen ontwikkelen dan basisprogramma's voor programmeren, naar meer geavanceerde parallelle en heterogene computerparadigma's. Als gevolg hiervan zullen curricula steeds vaker modellen zoals CUDA, HIP, SYCL of OpenCL moeten opnemen.
Research

Onderzoek

  • Wetenschappelijke toepassingen zullen waarschijnlijk vaker op heterogene systemen draaien, zoals ‘GPU for dense linear algebra, FPGA for bit-level genomics, or neural processing unit (NPU) for inference’ binnen één clustertaak. Dit verkort iteratiecycli, maakt grotere parametersweeps mogelijk en verlaagt het energieverbruik. Hardware-software co-design zal een vruchtbare bodem worden, die inspiratie biedt voor resource-efficiënte algoritmen en snelle innovatie in chiparchitecturen stimuleert. Nieuwe scheduleringsmechanismen en heterogeniteitsondersteunende middleware voor campus- HPC-centra zijn daarom noodzakelijk.
Operations

Operations

  • Operationele teams moeten mogelijk ontwerpen beoordelen waarin verschillende componenten worden gecombineerd, terwijl ze een evenwicht moeten vinden tussen energie- en koelingsbehoeften. Bovendien moeten de indeling van de faciliteiten, de monitoringtools en de vaardigheden van het ondersteunend personeel worden aangepast om racks met een gemengde architectuur en de snel evoluerende generaties accelerators efficiënt te kunnen beheren.
Meer informatie over computing?
Bezoek surf.nl
Link SURF icoon